Llevar a cabo la investigación cuantitativa del comportamiento organizacional (OB)
Antes de realizar una investigación cuantitativa de OB, es esencial comprender los siguientes aspectos.
Dibujando un Plan de Investigación:
El plan de investigación debe ser desarrollado antes de comenzar la investigación. Esto se convierte en el modelo para la investigación y ayuda a proporcionar orientación para la investigación y evaluación de la investigación.
Los componentes de un plan de investigación específico son los siguientes:
Introducción:
Aquí, introducimos el problema, desarrollando una declaración adecuada. Para hacerlo, es importante centrarse en la relevancia del problema (es decir, vender el problema). También se hace una revisión de la literatura existente para establecer la premisa de investigación y, finalmente, la parte de introducción finaliza con una declaración de hipótesis.
Método:
En esta parte, explicamos cómo se lleva a cabo la investigación, detallando los temas (muestras), los instrumentos y el diseño de la investigación.
Análisis de los datos:
Aquí, mencionamos cómo se analizan las respuestas recopiladas, las observaciones, etc., utilizando diversas herramientas y técnicas estadísticas.
Horario:
El calendario establece el plazo para la finalización de la investigación y también enumera varias actividades involucradas en varias fases de una investigación. Esto también garantiza el control en diferentes etapas, particularmente en las organizaciones. Debido a que la mayoría de las investigaciones relacionadas con el OB tienen la intención de adoptar decisiones estratégicas, la investigación con límite de tiempo es muy esencial.
Presupuesto:
Para la investigación de OB en organizaciones, es importante dibujar un presupuesto tentativo que detalle todos los gastos involucrados y obtener la aprobación para asegurar que las actividades de investigación no se vean afectadas en ninguna etapa por la escasez de fondos asignados. Para la investigación académica, tal presupuesto puede ser necesario, en casos, donde las agencias de financiamiento están preparadas para proporcionar recursos para la investigación.
Hay tres formas principales de recopilar datos cuantitativos:
(1) Administrar un instrumento estandarizado,
(2) Administrar un instrumento de desarrollo propio, y
(3) Registre los datos disponibles de forma natural.
Los instrumentos estandarizados pueden ser algunos instrumentos validados existentes, como FIRO-B, la encuesta de gestión de cambios de autopercepción de roles del equipo Belbin de Rosabeth Moss Kanter, etc. Los investigadores diseñan instrumentos de desarrollo propio para abordar los problemas de investigación. Mientras que los datos disponibles de forma natural pueden ser registros de rendimiento, datos de ausentismo, etc.
Pruebas de fiabilidad y validez:
Los dos aspectos más importantes de la precisión en la investigación de OB son la fiabilidad y la validez. La fiabilidad se refiere a la reproducibilidad de una medida. Cuantificamos la confiabilidad simplemente tomando varias medidas en los mismos temas. La poca fiabilidad cuestiona el nivel de precisión de la medición y reduce nuestra capacidad para rastrear cambios en mediciones posteriores en estudios futuros.
La validez se refiere al acuerdo entre el valor de una medición y su valor verdadero. Cuantificamos la validez comparando nuestras mediciones con valores que están lo más cerca posible de los valores verdaderos. La validez deficiente también degrada la precisión de una sola medida y reduce nuestra capacidad para caracterizar las relaciones entre variables en estudios descriptivos.
Los conceptos de fiabilidad y validez están relacionados. Sin embargo, debido a que es difícil juntar matemáticamente dos conceptos, la mayoría de los investigadores los estudian por separado. Cualquiera que sea la forma de recopilar datos, siempre es conveniente probar la validez y la confiabilidad. Validez significa el grado en que una prueba mide lo que pretende medir y, por lo tanto, permite una interpretación adecuada de los resultados.
Diseñamos una medida de prueba teniendo en cuenta los propósitos específicos. Por lo tanto, la validez se puede evaluar solo en términos de propósito de la prueba. Por ejemplo, nos puede interesar saber cómo las medidas en muestras se mantienen bien en la población en un tema específico.
O cómo los puntajes predicen el éxito en una tarea futura o cómo un instrumento en particular mide una característica. Estos son ejemplos de contenido, predictivo y validez de constructo. Estos aparte, también tenemos validez concurrente. Explicaremos todo esto con los siguientes ejemplos específicos.
Validez de contenido:
La validez del contenido es el grado en que una prueba mide un área de contenido deseada. Tiene dos áreas: validez de ítem y validez de muestreo. La validez del elemento mide el área de contenido deseada y las muestras de pruebas de validez en el área de contenido total. La validez del contenido está determinada por el juicio de expertos, mientras que la validez del muestreo se juzga en el contexto de las pruebas estadísticas.
Para ilustrar, supongamos que para medir los niveles de satisfacción de los empleados, hemos desarrollado un cuestionario estructurado y cerrado. La prueba de validez de los elementos establecerá en qué medida los elementos del cuestionario son válidos para medir los niveles de satisfacción de los empleados. En otras palabras, establecerá si los ítems del cuestionario son válidos para comprender o no la satisfacción de los empleados. De manera similar, para la validez de muestreo, debemos comprender si las muestras extraídas representan correctamente a la población o si tenemos algún error de muestreo.
Validez de constructo:
La validez de construcción mide el grado de una prueba en el contexto de una construcción hipotética. Para procesar una prueba de validez de constructo, necesitamos realizar una serie de estudios independientes para establecer la credibilidad. El proceso es, obviamente, no tan simple.
Requiere una comprensión profunda de las diversas pruebas estadísticas y la coincidencia de las pruebas en el contexto de las construcciones de hipótesis. Supongamos que queremos medir si las muestras son indiferentes a los esquemas de incentivos. Si enmarcamos nuestra hipótesis en consecuencia, podríamos medir el grado de concordancia utilizando la prueba de concordancia de Kendall. Del mismo modo, podemos estar interesados en medir el grado de indiferencia en el contexto de AN OVA (análisis de varianza), que mide el grado con referencia a las características biográficas de las muestras.
Validez concurrente:
Mide la validez simultánea para comprender cómo se relaciona el grado de un puntaje de prueba con otro. Los otros puntajes de los exámenes pueden estar ya establecidos o pueden ser los puntajes obtenidos en exámenes administrados simultáneamente o pueden ser un criterio válido existente. Se determina determinando un coeficiente de validez.
Cuando el coeficiente de validez es alto, decimos que la prueba tiene una buena validez concurrente. Por ejemplo, podemos estar interesados en medir cómo un programa de capacitación en particular mejora las habilidades técnicas y también las habilidades de relaciones humanas.
Mientras que la mejora de las habilidades técnicas se traduce en un mayor rendimiento en los trabajos, las habilidades de relaciones humanas desarrollan mejores relaciones interpersonales. En esta situación, medimos simultáneamente ambas variables dependientes, es decir, la mejora de las habilidades técnicas y el cambio en las relaciones interpersonales en relación con la capacitación.
Validez predictiva:
La validez predictiva mide el grado de una medida de prueba para predecir el éxito de muestras individuales en una situación futura. Se determina con un coeficiente de validez estableciendo la relación entre los puntajes de las pruebas y algunas medidas de éxito en algunas situaciones de interés en el futuro. Cuando el coeficiente de validez es alto, decimos que la validez predictiva es buena. Por ejemplo, podemos evaluar la capacidad general de los empleados para aprender a predecir el éxito de su desempeño en el trabajo.
Confiabilidad:
Mide la confiabilidad o confiabilidad de un instrumento de evaluación. Es el grado en que una prueba mide constantemente lo que pretende medir. La confiabilidad se expresa numéricamente en términos de un coeficiente. Un alto coeficiente indica alta confiabilidad. Alta confiabilidad indica varianza de error mínima. La fiabilidad es más fácil que la evaluación de la validez.
La prueba-retest, las formas equivalentes y la confiabilidad de la mitad dividida se determinan a través de la correlación. La fiabilidad test-retest es el grado en que las puntuaciones son consistentes a lo largo del tiempo. La confiabilidad también se puede expresar en términos del error estándar de medición. El error estándar de medición (grado de variación) es una estimación de la frecuencia con la que podemos esperar errores de un tamaño determinado.
Un pequeño error estándar de medición indica una alta confiabilidad y un gran error estándar de medición indica una baja confiabilidad. La forma en que los puntajes de desempeño de los empleados se ven afectados por la presencia de un equipo de auditoría de recursos humanos, que no se relacionan con la característica, se mide por la confiabilidad test-retest.
De manera similar, en un sistema de calificación múltiple, la forma en que los diferentes evaluadores califican el desempeño de los empleados está determinada por la confiabilidad del anotador o la confiabilidad entre evaluadores. Por último, cómo las diferentes partes de un solo instrumento de evaluación conducen a conclusiones similares sobre el rendimiento de los empleados se miden por la confiabilidad de la consistencia interna.
